1.一种用于帮助教师反思性成长的课堂智能分析方法，其特征在于，包括如下步骤：确定教师课堂授课视频，提取教师的课堂声纹、课堂表情、头部姿态以及课堂手势四种信息，并提取学生注视黑板的信息；对教师的课堂声纹信息进行分析，确定教师不同声音情绪、不同语速以及不同语调在整个课堂的占比情况，以及课堂不同时间段教师声音情绪、语速以及语调的分布情况；对教师的课堂表情信息进行分析，确定教师不同面部情绪在整个课堂的占比情况，以及课堂不同时间段教师面部情绪的分布情况；对教师的头部姿态信息进行分析，确定教师对学生所在各个区域的注意力分布情况，确定教师整个课堂的注意力分布情况，并确定教师整个课堂不同头部姿势的使用情况；对教师的课堂手势信息进行分析，确定教师的各类手势在整个课堂的占比情况，以及课堂不同时间段的手势变化情况；对学生注视黑板的信息进行分析，确定课堂不同时间段注视黑板学生人数的变化情况，以及整个课堂不同时间段不同区域学生注意力状态的分布情况；通过学生注视黑板的状态将学生的注意力状态分为：漠视、关注以及专注三种状态；结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果，以及对学生注视黑板信息的分析结果，并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准，以及参考对教师之前的课堂视频分析的历史记录，分析教师在课堂授课过程中的表现情况和需要改进的方向，以帮助教师进行反思性成长。
2.根据权利要求1所述的课堂智能分析方法，其特征在于，所述对教师的课堂声纹信息进行分析，具体为：根据教师课堂声音的饱满程度、响亮程度、语音以及语调将教师的声音情绪划分为积极、中性以及消极三类；其中，可根据积极情绪的积极程度将积极情绪划分为积极一级、积极二级以及积极三级，可根据消极情绪的消极程度将消极情绪划分为消极一级、消极二级以及消极三级。
3.根据权利要求1所述的课堂智能分析方法，其特征在于，所述对教师的课堂表情信息进行分析，具体为：利用面部表情识别技术，将教师面部情绪划分为高兴、悲伤、愤怒、惊讶、厌恶以及恐惧。
4.根据权利要求1所述的课堂智能分析方法，其特征在于，所述对教师的头部姿态信息进行分析，具体为：利用头部姿态估计技术，确定教师的视线落点、头部动作幅度以及头部位置；根据教师的视线落点确定教师注意力分布的区域；根据教师头部动作幅度和头部位置的变化将教师的头部姿态划分为：点头、摇头、低头、回头以及环顾四周。
5.根据权利要求1所述的课堂智能分析方法，其特征在于，所述对教师的课堂手势信息进行分析，具体为：利用人体姿态估计技术和手部关键点检测技术，将教师的手势划分为象征性手势、评价手势、指示性手势以及会意性手势。
6.根据权利要求1所述的课堂智能分析方法，其特征在于，所述对学生注视黑板的信息进行分析，具体为：通过学生注视黑板的状态将学生的注意力状态分为：漠视、关注以及专注三种状态；其中，在教师授课时，当学生的视线一直未停留在黑板范围上时，认定学生的注意力状态为漠视，即未关注教学内容；当学生的视线有存在关注黑板的时间段，但关注时间较短，时而注意力在黑板上时而又集中在其他方向时，认定学生的注意力状态为关注，即短暂的关注教学内容；当学生的视线持续关注黑板范围，则认定学生的注意力状态为专注，即持续的关注教学内容。
7.根据权利要求1至6任一项所述的课堂智能分析方法，其特征在于，所述分析教师在课堂授课过程中的表现情况和需要改进的方向，具体包括：若教师在课堂中的声音情绪多变水平低，则分析这样的课堂声音情绪是否缺乏生动性；若教师在课堂中的声音情绪中积极情绪和消极情绪所占的比例相当，则分析教师是否经常在课堂上流露出相对较多的消极情绪，出现这种现象的原因，以及如何改正这种现象；若教师在课堂中的注意力主要集中在前几排区域的学生，则分析教师对于后排区域学生的关注度不够；若教师在课堂中的手势比较少，则分析教师在课堂中手势动作的应用能力有待提高；若教师在课堂中的呈现面部情绪的种类和次数相对较多，则分析教师的面部情绪丰富，对面部情绪的调控效果好；若学生在课堂中的注意力状态主要为漠视，则分析教师课程的吸引力不够。
8.一种用于帮助教师反思性成长的课堂智能分析系统，其特征在于，包括：授课视频确定单元，用于确定教师课堂授课视频，提取教师的课堂声纹、课堂表情、头部姿态以及课堂手势四种信息，并提取学生注视黑板的信息；课堂声纹分析单元，用于对教师的课堂声纹信息进行分析，确定教师不同声音情绪、不同语速以及不同语调在整个课堂的占比情况，以及课堂不同时间段教师声音情绪、语速以及语调的分布情况；课堂表情分析单元，用于对教师的课堂表情信息进行分析，确定教师不同面部情绪在整个课堂的占比情况，以及课堂不同时间段教师面部情绪的分布情况；头部姿态分析单元，用于对教师的头部姿态信息进行分析，确定教师对学生所在各个区域的注意力分布情况，确定教师整个课堂的注意力分布情况，并确定教师整个课堂不同头部姿势的使用情况；课堂手势分析单元，用于对教师的课堂手势信息进行分析，确定教师的各类手势在整个课堂的占比情况，以及课堂不同时间段的手势变化情况；学生注意力分析单元，用于对学生注视黑板的信息进行分析，确定课堂不同时间段注视黑板学生人数的变化情况，以及整个课堂不同时间段不同区域学生注意力状态的分布情况；通过学生注视黑板的状态将学生的注意力状态分为：漠视、关注以及专注三种状态；课堂智能分析单元，用于结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果，以及对学生注视黑板信息的分析结果，并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准，以及参考对教师之前的课堂视频分析的历史记录，分析教师在课堂授课过程中的表现情况和需要改进的方向，以帮助教师进行反思性成长。
9.根据权利要求8所述的课堂智能分析系统，其特征在于，所述学生注意力分析单元，通过学生注视黑板的状态将学生的注意力状态分为：漠视、关注以及专注三种状态；其中，在教师授课时，当学生的视线一直未停留在黑板范围上时，认定学生的注意力状态为漠视，即未关注教学内容；当学生的视线有存在关注黑板的时间段，但关注时间较短，时而注意力在黑板上时而又集中在其他方向时，认定学生的注意力状态为关注，即短暂的关注教学内容；当学生的视线持续关注黑板范围，则认定学生的注意力状态为专注，即持续的关注教学内容。
10.根据权利要求8或9所述的课堂智能分析系统，其特征在于，所述课堂智能分析单元分析教师在课堂授课过程中的表现情况和需要改进的方向，具体包括：若教师在课堂中的声音情绪多变水平低，则分析这样的课堂声音情绪是否缺乏生动性；若教师在课堂中的声音情绪中积极情绪和消极情绪所占的比例相当，则分析教师是否经常在课堂上流露出相对较多的消极情绪，出现这种现象的原因，以及如何改正这种现象；若教师在课堂中的注意力主要集中在前几排区域的学生，则分析教师对于后排区域学生的关注度不够；若教师在课堂中的手势比较少，则分析教师在课堂中手势动作的应用能力有待提高；若教师在课堂中的呈现面部情绪的种类和次数相对较多，则分析教师的面部情绪丰富，对面部情绪的调控效果好；若学生在课堂中的注意力状态主要为漠视，则分析教师课程的吸引力不够。
